基于物理信息神经网络的船舶非线性横摇参数识别方法

AITNT
正文
推荐专利
基于物理信息神经网络的船舶非线性横摇参数识别方法
申请号:CN202510307477
申请日期:2025-03-17
公开号:CN119829955B
公开日期:2025-05-16
类型:发明专利
摘要
本发明涉及海洋工程技术领域,提供一种基于物理信息神经网络的船舶非线性横摇参数识别方法。确定船舶横摇角度的自由衰减数据及其范数、横摇运动的初始条件及其范数以及横摇运动的物理方程及其范数;确定前馈神经网络,计算获得最优化网络超参数;基于最优化网络超参数,确定物理信息神经网络框架;基于船舶横摇角度的自由衰减数据范数、横摇运动的初始条件范数以及横摇运动的物理方程范数,确定网络总损失函数;对总损失函数进行最小化处理,驱动神经网络运算,得到所述神经网络的未知量,获得待识别的横摇参数。该方法为实际船舶横摇运动分析提供了一种兼具高精度与高效率的神经网络方法。
技术关键词
参数识别方法 非线性 超参数 神经网络框架 物理 方程 阻尼参数 前馈神经网络 船舶横摇运动 神经网络方法 海洋工程技术 阻尼模型 数据 代表 力矩
系统为您推荐了相关专利信息
1
一种主从异构型遥操作机器人的非线性力反馈方法
力反馈方法 可变遗忘因子 递归最小二乘法 非线性 机器人
2
页面显示方法及显示配置模型训练方法
页面显示方法 终端 样本 数据 服务器
3
一种基于多模态特征的二进制文件漏洞分析方法
漏洞分析方法 多模态特征 训练深度学习模型 特征融合方法 样本
4
一种基于本地物理环境的真实世界模型训练方法及系统
模态特征 历史采集数据 物理 模型训练方法 空间结构
5
基于深度学习可解释性的水位流量关系顶托影响分离方法
水位流量关系 顶托 深度学习模型 深度学习方法 模型超参数
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号